Earthly项目中交互式运行与构建顺序的注意事项
2025-05-19 07:32:24作者:秋泉律Samson
在Earthly构建系统中,当开发者需要在容器内执行交互式命令时,可能会遇到一个典型问题:构建步骤的执行顺序与预期不符。本文将通过一个实际案例,深入分析Earthly构建过程中交互式命令与文件保存的时序关系,并给出解决方案。
问题现象分析
考虑以下Earthfile示例:
VERSION 0.8
target:
FROM alpine
WAIT
RUN --interactive sleep 10; touch /opt/output/artifact
END
SAVE ARTIFACT /opt AS LOCAL opt
开发者期望在交互式会话中创建文件后,将该文件保存为本地构建产物。然而实际执行时,SAVE ARTIFACT命令会在交互式会话完成前就执行,导致保存的是一个空目录。
技术原理剖析
这种现象源于Earthly构建系统的两个关键特性:
- 构建步骤的并行性:Earthly默认会并行执行构建步骤以提高效率
- 交互式会话的特殊性:
RUN --interactive会启动一个需要人工参与的会话
当使用普通交互模式时,Earthly会:
- 先处理后续构建步骤
- 最后才执行交互式会话
- 导致文件保存操作发生在文件创建之前
解决方案
Earthly提供了--interactive-keep参数来解决这个问题。该参数会:
- 强制保持交互式会话的持久性
- 确保后续构建步骤在交互完成后执行
- 保证文件操作的正确时序
修改后的Earthfile应如下:
VERSION 0.8
target:
FROM alpine
WAIT
RUN --interactive-keep sleep 10; touch /opt/output/artifact
END
SAVE ARTIFACT /opt AS LOCAL opt
最佳实践建议
- 对于需要后续处理交互结果的场景,始终使用
--interactive-keep - 在复杂构建流程中,合理使用
WAIT/END块控制执行顺序 - 测试构建时注意观察日志中的执行时序
- 对于关键文件操作,可添加验证步骤确保文件存在
总结
Earthly的构建系统通过智能的并行执行提高了效率,但也带来了执行顺序的复杂性。理解--interactive和--interactive-keep的区别,能够帮助开发者更好地控制构建流程,确保在需要严格顺序的场景下获得预期结果。这体现了基础设施即代码(IaC)工具中时序控制的重要性,也是DevOps实践中需要特别注意的一个方面。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137